AI医疗正式获批临床：诊断准确率逼近98%，新药研发提速数倍

5月20日，德适生物研发的AI染色体核型智能分析系统获得国家药监局三类医疗器械注册证。

三类证意味着什么？这是医疗器械的最高级别注册认证，同时也是全球首张基于大模型技术获批的三类证。

这标志着AI大模型正式拥有了"为患者诊疗"的法定资质。

当月，联影智能的胸部CT智能诊断系统进入国家药监局创新医疗器械特别审查程序——成为全国首款进入"绿色通道"的大模型多病种AI产品。一次胸部CT扫描即可识别近百种异常病变，准确率高达97.8%。

12项AI辅助诊断项目已纳入全国医保乙类目录，商业化路径初步打通。

AI医疗不再是概念演示，不再是学术论文，而是真实走进了医院、走进了医保、融入了你的就医流程。

🏥 一扫多查新体验

传统模式：你做一次胸部CT，放射科医生逐张审阅图像，日均处理3500至4000例，其中近半数是胸部CT。复杂病例还须在多个专病AI系统间切换，诊疗思路被打断，报告负担加重。

AI模式：一次胸部CT扫描，智能系统自动识别近百种异常病变，准确率97.8%，自动生成达到初级医师水平的诊断报告。阅片模式从"1名报告医生+1名审核医生"转变为"AI辅助+1名审核医生"。

复旦大学附属中山医院实测：阅片时间减少33%。已部署至全国近30家三甲医院，累计处理病例超250万例。

🔬 乳腺癌无创诊断新突破

上海科技大学沈定刚团队在《自然-生物医学工程》发表的成果：AI系统BINDS融合超声、钼靶和磁共振多模态数据，实现乳腺癌无创诊断。内部验证准确率97.3%，外部验证94.1%。

最关键的数据：在保证恶性病灶检出率不受影响的前提下，最多可减少32.4%的良性病灶活检。

这意味着什么？每3个被建议做活检的女性中，就有1个可因AI的精准判断而避免不必要的穿刺手术。

🧠 脑肿瘤与阿尔茨海默病诊断

丘成桐团队将深度计算几何与AI技术融合，开发脑肿瘤及阿尔茨海默病影像智能分析平台，已在南京鼓楼医院部署验证。

颅脑一扫多查智能体：一次脑部MR扫描可检出74种常见疾病，一次脑部CT扫描可检出43种常见疾病。

🏘️ 基层医疗新机遇

国家卫健委发文支持在城市社区卫生机构推广AI辅助诊断、处方审核、语音病历采集。

5G+边缘计算技术让偏远地区也能获得三甲医院级别的AI辅助诊断能力。

📊 173个AI药物进入临床

截至2026年4月，全球超过173个由AI发现的药物项目进入临床试验阶段。其中94个在一期，56个在二期，15个进入三期——这是上市前的最后阶段。

独立分析师预测：首个完全由AI设计的药物有望在2026年底或2027年获批，概率约60%。

💊 Rentosertib：首款AI设计药物展现疗效

这个名字值得铭记。

Rentosertib，由英矽智能采用生成式AI设计——AI不仅设计了药物分子结构，还发现了其生物靶点TNIK。从靶点发现到候选药物提名，仅用18个月。传统方式需要4到6年。

二期临床试验数据：最高剂量组患者肺活量平均改善98.4毫升，安慰剂组平均下降20.3毫升。

对于一种以"肺功能持续恶化"为特征的疾病，任何稳定都具有临床价值。而实际改善近100毫升，已超过现有两种已批准药物的疗效。

这是人类历史上首次，AI发现靶点+AI设计分子的药物在随机对照试验中展现出临床疗效。

🤖 Robin系统：30分钟读完551篇论文

《自然》杂志5月发表的研究：Robin系统针对干性年龄相关性黄斑变性（发达国家致盲首要原因），30分钟分析了551篇论文，识别出一种青光眼药物可重新定位用于治疗，并经实验室验证有效。

人工处理同等数量论文约需540小时。AI仅用30分钟。

💰 21亿美元融资

Alphabet旗下Isomorphic Labs完成21亿美元B轮融资，创AI制药单轮融资新纪录。首个管线计划2026年底前进入临床试验。

分子之心的AI生物药设计平台MMDesign实现纳米抗体从头设计闭环，靶点结合成功率超90%。

波士顿咨询集团数据：AI可将药物发现和临床前阶段的时间和成本降低25%到50%，每种药物节省3到4亿美元。

🦾 手术机器人进化

2026年AI手术机器人从辅助工具升级为协作伙伴。AI驱动的器官三维建模技术支持虚拟手术模拟和个性化方案制定，复杂手术成功率提升35%。

5G+脑机接口技术使外科医生能操控3000公里外的手术机器人，时延控制在8毫秒以内。

🧬 具身智能生物医学OS

上海灵境智源发布国际首个具身智能生物医学操作系统，支持实验室多机器人自主协作操作。

🏥 AI医院共识

2026世界数字健康论坛发布《国际AI医院智联体共识》，首次在国际层面定义"AI医院"。

华为云智慧医疗使能平台将于6月30日公开测试，已入驻瑞金医院及20余家地市级、县域医院。

分享了这么多进展，我也需指出AI医疗目前还无法做到的事。

因果推断仍是短板

Robin系统在生物统计任务中得分47.9%，但在生物信息学任务中仅15.3%。因为后者更依赖多步骤机制推理，而非单步统计计算。AI擅长"发现关联"，但不擅长"解释因果"。

数据孤岛问题

医疗数据分散在不同医院、不同系统、不同格式中。联邦学习可以不共享原始数据就训练模型，但跨机构协作的信任机制尚未建立。

监管滞后

AI医疗产品的审批速度跟不上技术迭代速度。一个模型训练出来可能3个月就过时了，但审批流程需要12到18个月。

责任归属

AI辅助诊断出现错误，责任在AI、在医生、还是在医院？这个问题法律尚未给出清晰答案。

你或许觉得AI医疗离你很远，但实际上它已在身边。

去医院做CT，AI可能已帮你审阅了影像，医生签字确认。

去社区医院，AI辅助诊断系统可能已帮你完成初步筛查。

买药，AI可能参与了药物研发，缩短了新药上市时间。

体检，AI可能帮你分析了检查报告，标记了需要关注的异常。

未来3到5年，AI医疗将从三甲医院下沉到县级医院和社区卫生中心。你在家门口就能获得三甲医院级别的诊断能力。

这不是科幻，这是正在发生的事。

AI不会取代医生，但会让医生有更多时间做真正需要人类判断的事——与患者沟通、做复杂决策、提供情感支持。

AI负责"看"，医生负责"判"。AI负责"快"，医生负责"准"。

这种分工，对患者而言，是最好的消息。